音频与其他百炼语音合成
Qwen HTTP 语音合成
Qwen3 Flash、Instruct、VC、VD 和旧版 Qwen-TTS 的 HTTP 请求与响应。
| 系列 | 模型 |
|---|---|
| Qwen3 Flash | qwen3-tts-flash、qwen3-tts-flash-2025-11-27、qwen3-tts-flash-2025-09-18 |
| 指令控制 | qwen3-tts-instruct-flash、qwen3-tts-instruct-flash-2026-01-26 |
| 专属音色 | qwen3-tts-vc-2026-01-22、qwen3-tts-vd-2026-01-26 |
| 旧版 | qwen-tts、qwen-tts-latest、qwen-tts-2025-05-22、qwen-tts-2025-04-10 |
接口与入参
POST /api/v1/services/aigc/multimodal-generation/generation
Authorization: Bearer $MODELSELL_API_KEY
Content-Type: application/json| 字段 | 类型 | 说明 |
|---|---|---|
model | string | 必填，HTTP 型号，不使用 realtime 型号 |
input.text | string | 必填，待朗读文本；旧 Qwen 上限 512 Token，Qwen3 上限 600 字符 |
input.voice | string | 必填，系统音色或该模型专属音色 |
input.language_type | string | 可选，如 Chinese、English、Auto |
input.instructions | string | 仅 Instruct 系列，控制语气与风格 |
input.optimize_instructions | boolean | 仅 Instruct 系列，默认 false，依赖 instructions |
curl --fail-with-body "$MODELSELL_BASE_URL/api/v1/services/aigc/multimodal-generation/generation" \
-H "Authorization: Bearer $MODELSELL_API_KEY" \
-H 'Content-Type: application/json' \
-d '{"model":"qwen3-tts-flash","input":{"text":"欢迎来到我们的语音工作室。","voice":"Cherry","language_type":"Chinese"}}'指令示例：
{"model":"qwen3-tts-instruct-flash","input":{"text":"今天我们一起探索新的创意。","voice":"Cherry","language_type":"Chinese","instructions":"用平稳清晰的语气朗读，句尾稍作停顿。","optimize_instructions":false}}VC / VD 不使用 Cherry：先分别通过 声音复刻或声音设计 创建音色，再把 output.voice 填入 input.voice；target_model 必须与合成型号匹配。
响应与流式
{"request_id":"REQUEST_ID","output":{"finish_reason":"stop","audio":{"url":"SIGNED_WAV_URL","data":"","id":"AUDIO_ID","expires_at":0}},"usage":{"characters":14}}非流式音频 URL 指向 WAV。旧 Qwen 模型使用 usage.input_tokens 和 usage.output_tokens；Qwen3 使用字符计费。
请求头添加 X-DashScope-SSE: enable 开启流式。每个 SSE 事件的 output.audio.data 为 Base64 PCM 分片；解码并按顺序拼接，不能将 Base64 字符串直接写入 WAV 文件。按 SSE 空行边界解析，保留 finish_reason 和最终 usage。
也可使用 标准 speech：普通请求指定 response_format: "wav"，流式指定 response_format: "pcm"；网关不进行格式转换。语言和指令优化选项放入 extra_body.input。
官方参考：Qwen-TTS API、模型清单。核对日期：2026-10-06。